本研究以國內28家商業銀行之財務資料為樣本，研究期間為2005年3月至2009年12月，取其季資料，並以縱橫資料（Panel Data）的形式，運用分量迴歸（Quantile Regression）模型進行實證之研究，再與傳統最小平方法（OLS）迴歸和縱橫資料迴歸（Panel Data Regression）模型進行對照比較，選出此三種模型何者的解釋方式較為適當。目的在探討不同分位的資本適足率與逾放比率下，各銀行的獲利狀況、經營績效、穩健程度與經營管理是否對銀行的風險管理（資本適足率）與財務危機（逾放比率）會產生不同的顯著影響。
實證結果顯示，不同的財務變數在不同的分量下確實對銀行的風險管理變數及財務危機變數產生不同的顯著性效果。這結果有助於銀行動態調整經營策略及風險管理政策。

The purpose of this study is to figure out how the factors affect to the profitability, business performance, and management of banks by various degrees of banks’ capital adequacy ratio and overdue loan ratio. Applying the methods of quantile regression, ordinary least square, and panel data regression with samples of 28 commercial banks in Taiwan to do the empirical investigation and compare to each other which one is the most suitable for the explanation. It utilizes and analyzes each bank’s finance, service year material from 2005 to 2009.
The empirical investigation shows that different financial variables have different significant effects to banks’ capital adequacy ratio and overdue loan ratio by various degrees. The result is helpful to banks to do some dynamic adjustment strategies of business and risk management.

目    錄
頁次
中文摘要	i
英文摘要	ii
目    錄	iii
表 目 錄	iv
圖 目 錄	v
第壹章 緒論	1
第一節 研究背景與動機	1
第二節 研究目的	5
第三節 研究架構與流程	6
第貳章 理論與文獻回顧	8
第一節 巴塞爾資本協定	8
第二節 文獻回顧	11
第叁章 研究方法	21
第一節 縱橫單根檢定	21
第二節 分量迴歸（Quantile Regression）	24
第三節 縱橫資料迴歸（Panel Data Regression）	28
第四節 資料來源與模型設定	37
第肆章 實證結果與分析	49
第一節 基本敘述統計分析	49
第二節 分量迴歸分析	51
第三節 縱橫資料迴歸分析	66
第四節 各模型參數估計結果比較	76
第伍章 結論與建議	80
第一節 結論	80
第二節 建議	83
參考文獻	84


表 目 錄
頁次
表 1　 新舊巴塞爾資本協定之比較	9
表 2   新巴塞爾資本協定之架構	10
表 3　 固定效果模型與隨機效果模型之比較	34
表 4　 研究對象資料表	38
表 5　 變數名稱、代號、定義及預期影響表	48
表 6　 變數之敘述統計	50
表 7　 銀行風險管理變數之分量迴歸結果	55
表 8　 銀行財務危機變數之分量迴歸結果	60
表 9   銀行風險管理變數之分量對稱性檢定	64
表 10  銀行財務危機變數之分量對稱性檢定	65
表 11  銀行風險管理變數之縱橫資料迴歸結果	67
表 12  縱橫迴歸之個別效果表	69
表 13  銀行財務危機變數之縱橫資料迴歸結果	71
表 14  縱橫迴歸之個別效果表	73
表 15  銀行風險管理之適用模型檢定表	74
表 16　銀行財務危機之適用模型檢定表	75
表 17  銀行風險管理模型之參數估計綜合比較表	78
表 18  銀行財務危機模型之參數估計綜合比較表	79


圖 目 錄
頁次
圖 1  研究流程圖	7
圖 2　銀行風險管理變數之分量迴歸係數95%信賴區間	57
圖 3　銀行財務危機變數之分量迴歸係數95%信賴區間	62

一、國內文獻
1.	王瑞銘（2008），利用分量迴歸法探討KMV信用風險模型：違約點定義之檢討，國立中山大學財務管理學系碩士在職專班碩士論文。
2.	李沃牆、許維哲（2011），「外匯投資組合之風險值評估─分量迴歸的應用」， 中原企管評論，第9卷第1期，頁97-116。
3.	吳建良（2004），資本適足率與逾期放款率對銀行財務績效之影響，世新大學管理學院經濟學系碩士論文。
4.	周夢柏（2002），應用財務比率分析我國商業銀行獲利能力之實證研究，朝陽科技大學財務金融研究所碩士論文。
5.	林隆偉（2003），商業銀行關係放款、資產品質與經營效率之實證分析，國立中興大學企業管理學系碩士論文。
6.	林璧娟（2001），銀行資本適足性與經營績效之探討，銘傳大學金融研究所碩士論文。
7.	張婷雁（2007），資本適足率與銀行風險及財務績效之關聯─縱橫平滑移轉模型之應用，淡江大學財務金融所碩士論文。
8.	莊家彰與管中閔（2005），「台灣與美國股市價量關係的分量迴歸分析」，經濟論文，第33卷第4期，頁379-404。
9.	陳乃霜（2005），匯率波動對台灣工資：分量迴歸，中國文化大學經濟學研究所碩士論文。
10.	陳彥如（2007），股市動能：分量迴歸分析法，義守大學財務金融所碩士論文。
11.	彭裕嘉（2003），分量迴歸在流動性風險上的應用，國立中正大學企業管理研究所碩士論文。
12.	曾昭玲、陳世能、林俊宏（2005），「逾放比對銀行經營績效影響之多期性研究」，台灣金融財務季刊，第6卷第4期，頁41-68。
13.	趙明哲（2007），本國銀行經營獲利績效之研究，國立中央大學產業經濟研究所碩士論文。
14.	蔡美芳（2000），逾期放款、高階主管持股比率與銀行績效間關係之研究，高雄第一科技大學金融營運研究所碩士論文。
15.	龔尚智、林淑玲、李宗培、張清山（2002），「風險基礎資本適足管制對銀行業無清償能力風險與財務績效影響之研究」，2002年財務金融學術研討會論文，台灣財務金融學會主辦，台中：中興大學，民國91年4月26-27日。

二、國外文獻
1.	Berger, A. N. and R. DeYoung, （1997）, “Problem Loans and Cost Efficiency in Commercial Bank,” Journal of Banking and Finance, Vol. 21, pp.849-870.
2.	Breusch, T. S. and A. R. Pagan, （1980）, “The Lagrange Multiplier Test and Its Applications to Model Specification in Econometrics,” The Review of Economic Studies, Vol. 47, pp.239-254.

3.	Buchinsky, M., （1998）, “The Dynamics of Changes in the Female Wage Distribution in the USA: A Quantile Regression Approach,” Journal of Applied Econometrics, Vol. 13, pp.1-30.
4.	Cebenoyan, A. S. and P. E. Strahan, （2004）, “Risk Management, Capital Structure and Lending at Banks,” Journal of Banking and Finance, Vol. 28,  pp.19-43.
5.	Chen, M. Y. and J. E. Chen, （2005）, “Application of Quantile Regression to Estimation of Value at Risk,” Review of Financial Management, Vol. 1, No.2, pp.1-15.
6.	Engle, R. F. and S. Manganelli, （2004）, “CAViaR: Conditional Autoregressive Value at Risk by Regression Quantiles,” Journal of Business & Economic Statistics, Vol. 22, pp.367-381.
7.	Greene, W. H.（2003）, Econometric Analysis, 5th Edition, Prentice Hall.
8.	Hausman, J. A., （1978）, “Specification Test in Econometrics,” Econometrica, Vol. 46, pp.1251-1271.
9.	Hsiao, C.（1986）, Analysis of Panel Data, 1st Edition, Econometric Society Monograph.
10.	Im, K.S., H. M. Pesaran and Y. Shin, （2003）, “Testing for Unit Roots in Heterogeneous Panels,” Journal of Econometrics, Vol. 115, pp.1-53.
11.	Jordan, J. S., （1998）, “Problem Loans at New England Banks, 1989 to 1992: Evidence of Aggressive Loan Policies,” New England Economic Review,  January/February, pp.23-38.
12.	Koenker, R. and G. Bassett, （1978）, “Regression Quantiles,” Econometric, Vol. 46, No.1, pp.33-50.
13.	Koenker, R. and K. F. Hallock, （2001）, “Quantile Regression: An Introduction,” Journal of Economic Perspectives, Vol. 15, No.4, pp.143-156.
14.	Lee T. and B. Saltoglu（2001）, “Evaluating Predictive Performance of Value-at-Risk Models in Emerging Markets: A Reality Check,” University of California, Working Paper.
15.	Levin, A., C. F. Lin and C. Chu, （2002）, “Unit Root Tests in Panel Data: Asymptotic and Finite-Sample Properties,” Journal of Econometrics, Vol. 108, pp.1-24.
16.	Morillo, D. S., （2000）, “Monte Carlo American Option Pricing with Nonparametric Regression,” Essays in Nonparametric Econometrics, Dissertation, University of Illinois.
17.	Mwabu, G. and Schultz, T. P., （1996）, “Education Returns Across Quantiles of the Wage Function: Alternative Explanations for Returns to Education by Race in South Africa,” American Economic Review, Vol. 86, No.2, pp.335-339.
18.	Newey, W. K. and J. L. Powell, （1987）, “Asymmetric east squares estimation and testing,” Econometrica, Vol. 55, pp.819-847.
19.	Sharma, M., （2005）, “Problem of NPAs and Its Impact on Strategic Banking Variables,” Finance India, Vol. 19, pp.953-967.
20.	Taylor, J. W., （2000）, “ A Quantile Regression Neural Network Approach to Estimating the Conditional Density of Multiperiod Returns,” Journal of Forecasting, Vol.19, pp.299-311.
21.	Yu, K., Z. Lu and J. Stander, （2003）, “Quantile Regression: Applications and Current Research Areas,” Journal of the Royal Statistical Society, Series D（The Statistician）, Vol. 52, pp.331–350.